醫療健康議題一直以來都是世界最重要的社會與經濟挑戰之一，追求新科技應用，期望創造更有效率與價值的解決方案。資通訊科技的演進促使，醫療服務與產品電子化，帶動醫療品質提升，並延長人類的健康壽命。隨著第三波數位革命，物聯網、雲端及霧演算，以及大數據等技術的實踐，撐起軟硬整合的AIOT概念。數位孿生 (digital twins) 即是集合物聯網健康數據、AI演算及應用的展現。
● 數位孿生 (digital twins) 的概念與應用範圍
Digital Twins是整合感測器蒐集之即時數據，建立一個模擬實體物件特徵的AI模型。運用這個AI模型，可預先推論潛在可能發生的狀況，進行模擬演練，或是連續蒐集、分析實體物件的即時數據，防止意外狀況發生。最早應用Digital Twins概念是美國太空總署 (NASA)，將實體太空船的各項數據資料，加上外在環境的重力、空氣阻力、流體力學計算等，輸入至電腦，建立一個模擬系統。今日Digital Twins的概念因IOT技術進展與普及，更加強調即時、連續的數據回饋，以及AI預測模型即時且連續的調整校正。
因此，假設Digital Twins系統應用於工業製造領域，將能發揮維護及優化設備、系統與製程之效果；應用在醫療健康領域，則可模擬個體的健康表現，幫助醫師有效地診斷，更有信心地決定治療方案，達到個別化的精準醫療效果。另外，在醫療場域、設施對於人流、移動、治療、照護的感測與排程等資訊之數位模擬，亦可提供更具效率及安全性的經營管理、醫療流程等方案。
● 全球Digital Twins市場2025年將達360億美元，其中最大的成長動力來自健康醫療領域的應用
從臨床藥物試驗到照護協調，Digital Twins可以經由模擬測試，讓電腦模擬代替真實人類承受錯誤的風險，提供個人化健康照護與最佳化醫療資源分配。醫療上已有多個實際應用，例如「智慧胰腺」依據人體葡萄糖代謝數據模型與患者身上的感測器，調節血液中的胰島素；ARCHIMEDES糖尿病模型可以推估患者的診斷、模擬治療方法與結果；兒科心臟的Digital Twins模型，可以預測臨床症狀進而優化手術結果、評估血栓風險。
醫療照護領域的監管文化是講求安全性再追求效果，盡可能投入資源防範未知的風險。因此新的藥物、治療方案及手術程序，需要多方面的評估，從動物實驗到靈長類動物測試，才會衡量潛在的治療效果是否值得進入人體臨床試驗。Digital Twins概念的實踐，將能加速醫療科技保守的發展模式，縮短開發期程。
1、 臨床試驗設計
臨床試驗耗時耗力，80%卡在臨床受測者收案，更有20%的臨床研究未能達到收案門檻。以Digital Twins虛擬臨床受測者試驗，有助於緩解這些壓力。
Unlearn.AI是一家應用過去醫療資料庫數據及特定疾病的AI模型建立Digital Twins，根據臨床研究實際受測者的基準數據，模擬安慰劑無治療的對照組反應。透過實體與虛擬的混合試驗設計，降低臨床測試的收案門檻，縮短時間，並提高測試效率。Unlearn.AI目前與生醫製藥公司合作，也跟監管單位緊密互動，確認臨床測試Digital Twins的模式符合科學與監管規範。
Novadiscovery是一家藥物開發平台新創，其臨床試驗模擬平台Jinkō，以AI優化及降低發現新藥物的成本，模擬各種標靶藥物之效果。目前進行的虛擬臨床藥物試驗包括肺癌、B型肝炎、非肝硬化非酒精性脂肪性肝炎 (NASH) 等研究。
2、 藥物研發
藥物研發有許多風險，投資的風險與醫療安全的風險，平均每個上市藥物的研發投資約26億美元，時間則至少要投入10年。應用Digital Twins選擇成功率較高的候選藥物，並模擬其對於人體的反應，可以加速藥物開發期程。
DeepLife以標靶藥物資料、生物標誌 (biomarkers)、基因資料及候選藥物清單，建立Digital Twins模型，幫助研究人員了解人體的耐藥性與藥理閾值。Insilico BIoTechnology亦藉由Digital Twins模擬人體對於生物製藥的反應，分析、預測細胞培養物的生長，將實徵資料回饋至Digital Twins，校正偏誤及優化預測模型。該公司已與Teva Pharmaceuticals、GlaxoSmithKline等製藥大廠合作。
3、 手術模擬
詳細、縝密的規劃可以避免因手術複雜性帶來的風險。Digital Twins可以模擬生理解剖結構，幫助外科醫師在手術前練習各式狀況，尤其是既複雜又危險的心臟手術。Philips開發一款HeartNavigator數位工具，使用電腦斷層掃描建構患者心臟的Digital Twins，用於像是複雜的經導管心臟瓣膜置換手術 (TAVR)。該工具可在手術過程，依實際、即時的心臟3D影像數據，輔助醫師進行手術。
比利時新創Digital Orthopedics則是開發足部及踝部的Digital Twins模型，模擬手術流程及優化治療結果。若能蒐集、建立更多生理解剖結構資料庫，醫療影像技術透過物聯網串聯、整合，將能加速手術模擬或是其他治療的應用。
4、 醫療照護管理
Digital Twins模擬醫療場域的動態，可以提高照護效率，協調機構間的醫療資源管理。例如，電子健康紀錄 (EHR)、診斷紀錄與資料、穿戴式醫療監控數據等，醫護人員可以跨醫療系統轉移及運用患者的數位資料。比起直接攸關人命的藥物、醫材開發，或是診斷、治療處遇等應用，照護管理Digital Twins的實踐與連帶效益，預期不久將來，更有機會快速普及。
Verto Health使用各項資訊來源，像是EHR、實驗室等患者健康數據，建立AI預測模型，再根據患者臨床護理的實際數據，評估更有效的治療與照護方案。ThoughtWire是一家提供醫療機構照護管理工具的新創，透過蒐集醫療監控設備之生理數據、患者位置，與醫療人員之相對位置、距離等資訊，在患者發生危急狀況時，系統會發出緊急通知，醫師根據系統提供之資訊可大幅降低反應時間。GE Healthcare與Tampas醫院合作手術排程、醫療流程及人員配置的Digital Twins模型，經2019年8月啟動優化後，所提高之效率到2020年底節省了4,000萬美元。
5、 醫療器材設計
醫材製造商在醫材開發過程中，為了適應消費者間生理系統的差別，投入許多研發資源，將產品分級分類以最大化符合個體間在測量、診斷上之差異。透過Digital Twins模擬不同群體內的器官、生理結構等，可以簡化開發歷程，達到少量多樣的個別化效益。
全球3D製造企業Dassault Systemes應用磁振造影 (MRI) 影像及心電圖 (ECG) 測量技術，開發可模擬人體心臟結構及其生理功能的Digital Twins模型，並與Medtronic、Boston Scientific及Philips等醫材大廠合作。經過數位模擬心臟結構，與在人體內的動態變化，加速並優化心臟相關醫材的開發設計與製作。Siemens醫療集團亦針對心臟治療，開發與患者心臟同步反應的Digital Twins系統，模擬患者植入電極裝置的使用反應，作為相關醫材的研究方案。
OnScale是一家以訂閱制方式，提供3D模型雲端服務的新創，其與生物力學模擬服務新創LEXMA Technology合作，開發肺部Digital Twins，模擬COVID-19患者肺部呼吸症狀，提供醫師診斷與治療輔助資訊。
洛桑聯邦理工學院 (EPFL) 與Hewlett Packard合作開發哺乳類動物大腦的Digital Twins，稱作藍腦計畫 (Blue Brain Project)，探索大腦結構與功能在健康及疾病中，扮演之角色。人腦有86 億個神經元和 100 萬億的突觸，即使以老鼠進行腦部實驗，亦有31,000 個神經元和 3,700 萬個神經突觸，光是蒐集與模擬動物腦部神經通訊系統，在現今電腦運算能力及AI技術，已經是相當具挑戰性的難題。Digital Twins提供了一個可行的研究方案。
單一器官Digital Twins模擬系統可以節省醫材製造商與醫師診斷的時間、提高準確性等。長遠的目標是建立完整個體的Digital Twins，然而這涉及現有電腦運算能力與AI技術，以及人體不同層次生理資訊，及其之間交互作用等複雜性。
● 即時、連續性數據蒐集的醫療物聯網：Apple watch與貼片式感測器
健康數據的全面性蒐集，仍受限感測器無法隨時隨地監控與蒐集人體數據，致使Digital Twins現階段未能做到100%的模擬及預知。現今最具規模的健康數據資料庫，可能是Apple的Watch，利用消費者配戴手錶的習慣，大量無時段區別的蒐集生理資訊。Apple Watch可以在即時數據的回饋下，已能夠預測或警示摔倒，以及透過血壓、脈搏、血氧濃度、心電圖等數據預防心臟衰竭。另外也有研究團隊透過Apple iWatch的數據，發現可以預測女性經期的症狀。未來健康照護在數據蒐集將會有很大的市場需求，需要比Watch更完整的IoMT方案，其中一種解決方案是貼片式健康監測裝置 (bio-stamp)。
2020年全球貼片式醫療監控裝置市場有32.84億美元，至2025年預估達81.47億美元，年複合成長率高達19.9%。貼片式感測器不像智慧手錶被限制於手腕位置，能夠直接黏貼於靠近心跳、血管、肺部等位置，達到更精準與即時的量測。所蒐集之健康數據的症狀監控或治療結果預測，亦是一種Digital Twins的應用
貼片式生理感測「bio-stamp」技術，可連續追蹤個體的血壓、心跳，以及檢驗汗液中葡萄糖、乳酸、酒精、咖啡因等含量，可警示敗血症、心臟疾病發作，亦有利於慢性疾病健康管理，例如高血壓、糖尿病等。例如，VitalConnect推出VitalPatch RTM即時監測動態心電圖，包括心率、心跳變異率、呼吸率等生理活動，可偵測21種不同的心律失常特徵。Biointellisense Inc.的貼片式感測器Biosticker，是一個拋棄式感測貼片，黏貼於左上胸，監控相關生理數據，包括溫度、心率、呼吸率、身體姿勢位置、活動量、咳嗽頻率等，也可以外接葡萄糖監測儀，監控糖尿病的血糖變化。
臨床測試生技公司Medidata 2020年10月併購貼片式感測器製造商MC10，其產品BioStamp nPoint，類似OK繃黏貼於皮膚，透過藍芽傳輸、追踪患者活動、監測肌肉功能與心跳等資料。此次併購強化Medidata臨床測試平台Patient Cloud即時蒐集患者生理數據的能力，以發展遠距臨床測試方案。未來經由蒐集即時、連續、完整的人體健康數據，搭配整合多AI預測模型之Digital Twins，是否能達到臨床測試等級的人體數位模擬之表現？
● 健康數據收集系統仍是Digital Twins重要的前期基礎建設
由上述分析可見，Digital Twins在健康照護領域的應用非常廣泛，目前已經受到驗證並提出具體服務的項目為醫療照護管理，而臨床試驗設計、藥物研發、手術模擬、醫療器材設計則處於應用驗證階段。主要的差異在於醫療照護管理的應用情境已具備充足的數據資料，因此透過Digital Twins模擬情境，將能快速有效的提升運行效率、預測可能營運風險並予以修正。而臨床試驗設計、藥物開發、手術模擬與醫療器材設計等項目，雖然已有清晰的應用情境，但實驗的速度仍取決於感測技術的發展與數據的收集；由此可見，Digital Twins所需的感測技術仍有相當大的技術缺口與切入機會，若能有效透過客戶開發優勢，分析未來應用情境下的價值主張，探尋產品-市場契合 (Product-Market Fit) 的解決方案與技術切入點，將有機會迎接Digital Twins趨勢下的成長機會。
參考資料：
○ “5 Ways Digital Twins Could Improve Healthcare,” CBInsights, 2020.
○ “Apple Women’s Health Study finds period symptoms similar across demographics,” mobihealthnews, 2021.
○ “Apple-backed Stanford study suggests iPhone, Apple Watch could remotely monitor heart patients’ frailty,” mobihealthnews, 2021.
○ “Can AI tackle racial inequalities in healthcare?,” BBC, 2021.
○ “Medidata acquires MC10’s digital biomarker business,” mobihealthnews, 2020.
○ “On the Integration of Agents and Digital Twins in Healthcare,” Journal of Medical Systems, 2020.
○ “Philips, Biointellisense partner on at-home patient wearable to monitor COVID, chronic disease,” BioWorld, 2020.
○ “The “inconvenient truth” about AI in healthcare,” npj Digital Medicine, 2019.
○ “Toronto-based researchers measuring whether Apple Watch can spot early signs of worsening heart failure,” mobihealthnews, 2021.
○ “Using digital twins in viral infection,” Science, 2021.
○ “VitalConnect launches VitalPatch RTM for extended Holter monitoring,” mobihealthnews, 2020.
○ “Wearable Healthcare Devices Market,” Markets&Markets, 2021.
○ “Wearable, All-in-One Health Monitor: New Skin Patch Continuously Tracks Cardiovascular Signals and Biochemical Levels,” SciTechDaily, 2021.
○ “Why the Future of Healthcare is Federated AI,” insideBIGDATA, 2021.
